[AI新規事業創出]Qualitegが考える、アイディア創出の5つのステップとは

アイディア創出についての悩みを持つ多くのクライアントへ、アイディア創出のための5つのステップを解説します。初めに、アイディアを創出する目的を明確に設定し、それに基づいてアイディアを創造、深堀、サービス設計、ビジネスモデル設計、そして評価の順に進めます。このプロセスは、単にアイディアを出すだけでなく、実際に事業として成立するかを検証し、事業責任者との事前合意に基づく目的に沿ったアイディアを選定することを目指します。

[AI新規事業創出]Qualitegが考える、アイディア創出の5つのステップとは

Qualiteg blogを訪問してくださった皆様、こんにちは。Micheleです。AIを活用した新規事業やマーケティングを手がけている私には、クライアントからよく寄せられる質問があります。AIを用いた事業展開を検討されている方々が共通して直面するであろう課題に対して、このブログを通じて私なりの解答をご提供したいと思います。


改めてアイディア創出と言われても何から手を付けたらいいかわからないんだけど

そのようなお悩みをお抱えのクライアントが非常に多くご相談をいただきます。本日はアイディア創出ブレスト以外の手法も含めて、アイディア創出の5つのステップについて解説させていただきます。

自分は良い思い付きがある!アイディアマンだとおっしゃる方も多いのですが、アイディアを早急に出したいという気持ちをここでは少し抑えていただき、まず初めに

何のためにアイディアを創出するのか

という明確な目的を設定してください。

もちろん、新規事業を創出するためにアイディアを創出するんだよ

という声が聞こえてきそうですが、「事前に事業責任者と合意した、新規事業立ち上げの目的」に立ち戻りましょう。

本ブログで毎回例に挙げている電動自転車スタートアップを例とした場合、今回の新規事業開発の目的は

「新UX創出」として、「自社のターゲットユーザーである都市部で働くビジネスマンの生活充実度を向上させるサービスを市場導入することをゴールとする」

ですので、ここから離れないように、あくまでも、新規事業を創出するゴールはここであるということを念頭に置いてください。

真のイノベーションには、それを担う人材の力が不可欠です。株式会社Qualitegの Innovation-Crossは、共創による価値創出とともに、企業内のイノベーション人材育成も支援するプログラム。アイデアワークショップやハッカソン企画を通じて社員の創造性と協働力を引き出し、オープンイノベーションやパートナー開拓の実践を通じて外部連携のスキルを養成します。

企業の現状分析をもとに、「自社だけでは難しい」革新創出の戦略を策定し、その実行プロセスを通じて人材の成長も促進。経験豊富な専門コンサルタントが、革新的な価値創造と人材育成の好循環を設計し、企業の持続的なイノベーション力を構築します。共創で創るのは、価値と人の未来です。

Qualitegが提唱するアイディア創出のための5つのステップとは

アイディアは出して終わりではありません。多くの方は、たくさんアイディアを出した後に
部長の鶴の一声などで決定されてしまう方が多く見受けられます。

その方式でもうまく進む場合もあるのですが、年度が替わり上司が変わって意見も変わる、、などでせっかく進めていた新規事業のテーマについて時間がたって差し戻しになってしまうケースが多いというのが、残念ながら私がコンサルティングをさせていただいてよく見る光景であります。

そのような壁に当たらないようにするために、Qualitegでは、以下の5ステップでアイディア創出すべきとお話しさせていただいております。

  1. アイディア創造(発散)
  2. アイディア深堀(収束)
  3. サービス設計
  4. ビジネスモデル設計
  5. アイディア評価(収束)
assorted-color pencil

まず初めに行うことは、皆さまお待ちかねの 「アイディア創造」 です。

このフェーズでは、とにかくたくさんアイディアを作ることが必要です。ブレインストーミングをされる方が非常に多く他の手法をご存じない方も多いのですが、詳細については次のコラムでご説明します。

手法はともかくこのフェーズでは ==「自由に多くのアイディアを出す」==ことに集中してください。企画だけではなく、デザイナー、エンジニアなど部署を超えて多くの方に参加していただき、Diversityを持たせた方がより幅広いアイディアが創出されます。

また、昨今では生成AIを活用してアイディアを創出するケースも多いですが、私たちもこの手法を推奨しています。

アイディアがたくさん出たら次は 「アイディアの深堀」 です。アイディアを出した段階では単なるキーワードベースのものが多く、サービス内容の具体的なイメージがわかないので、具体性を増すように深堀をすることを推奨しています。

アイディアの深堀が終われば、次は 「サービス設計」 です。ここで先ほど出たアイディアをどのようなサービスにすべきか考えます。技術的実現可能性や、サービス開発にあたって出てきた課題を検討したり、ユーザーのニーズがあるかなども含めて、簡単なユースケースが語れる程度にサービス案をまとめます。

サービスイメージがまとまりましたら、「ビジネスモデル設計」 をしましょう。せっかくニーズがありそう!と思ったアイディアもマネタイズができなければ、事業化できません。
顧客に対する本質的な価値は何か、その価値をどのように自社が提供するのか、収益源、コスト構造に加えて、サービス開発や市場導入のためのパートナー企業の必要性などもこのフェーズでは考えます。

最後に行うべきは 「アイディア評価」 です。どのアイディアを採用すべきか、事業責任者の方の顔色をうかがって決めるという方もいらっしゃるのですが、これから世に出していくサービスの潜在的な成功を事前に定義し評価するために、評価基準を用いて優劣を判断して、アイディアを決定します。

きちんと、評価基準が明確で、合理的に判断されていれば、あとで「ちゃぶ台返し」に合う確率もかなり減らせることでしょう。


コラムを最後までお読みいただき、誠にありがとうございます。私たちQualitegは、AI技術や新規事業の企画方法に関する研修およびコンサルティングを提供しております。もしご興味をお持ちいただけた場合、また具体的なご要望がございましたら、どうぞお気軽にこちらのお問い合わせフォームまでご連絡くださいませ。

また、新規事業創出のステップを体得したいという方にご好評のワークショップも実施しております。それぞれの担当者の方が役員目線で事業を考えるという点にフォーカスしたトレーニング内容となっており、企画担当者の方だけではなく、カウンターパートのエンジニア、デザイナー、マーケターの方にもご受講いただけるコンテンツとなっております。

皆様からのお問い合わせを心よりお待ちしております。次回のコラムも、ぜひご期待くださいね。


<前の記事  

Read more

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

こんにちは!今日は先日ガートナーが発表したガーディアンエージェントについて解説します ガートナーの公式定義 ハイプカーブで有名なガートナーは2025年6月に、ガーディアンエージェントに関する見解を発表しました。ガーディアン・エージェントとは、AIとの安全で信頼できるやりとりを支援するために設計されたAIベースのテクノロジです。 ざっくりいうと、 「AIエージェントが来るよ」と予言したガートナー社は、次は、「ガーディアンエージェントが来るよ」と予言しました。なぜガーディアンエージェントが来るのでしょうか?本稿では、そのあたりを考察していきたいと思います。 なぜ今、AIの「監視役」が必要なのか 2025年、私たちは本格的なAIエージェント時代の入り口に立っています。AIが単なるツールから、自律的に判断し行動する「エージェント」へと進化する中で、新たな課題が浮上しています。 従来のAIとエージェント型AIの違い さて、ガーディアンエージェントが必要になる理由として、生成AI(以後AIと呼びます)の急速な進化があげられます。従来のAIとエージェント型AIの違いを思い出

By Qualiteg コンサルティング
LLM推論基盤プロビジョニング講座 第4回 推論エンジンの選定

LLM推論基盤プロビジョニング講座 第4回 推論エンジンの選定

こんにちは!前回までの講座では、LLMサービス構築に必要なリクエスト数の見積もりや、使用モデルの推論時消費メモリ計算について詳しく解説してきました。今回は7ステッププロセスの4番目、「推論エンジンの選定」について詳しく掘り下げていきます。 推論エンジンとは何か 推論エンジンとは、GPU上でLLMモデルの推論計算(テキスト生成)を効率的に行うために設計された専用のソフトウェアプログラムです。一般的なディープラーニングフレームワーク(PyTorch、TensorFlowなど)でも推論は可能ですが、実運用環境では専用の推論エンジンを使用することで、大幅なパフォーマンス向上とリソース効率化が期待できます。 推論エンジンは単なる実行環境ではなく、様々な最適化技術を実装しています。特定のモデルアーキテクチャに特化した最適化機能を実装したものや、推論速度の高速化に特化したもの、前回解説したKVキャッシュのメモリ効率化機能を備えたものなど、それぞれ特徴が異なります。そのため、自社で採用したLLMモデルや運用環境、要件に合致した推論エンジンを選定することが重要です。 推論エンジン選定のアプロ

By Qualiteg コンサルティング
発話音声からリアルなリップシンクを生成する技術 第1回:音素とwav2vec

発話音声からリアルなリップシンクを生成する技術 第1回:音素とwav2vec

こんにちは! 今日は当社のMotionVox でも実際に使っている「リップシンク」技術について総合的に解説してみたいとおもいます。 音声に合わせて自然な口の動きを生成するリップシンク技術は、AIアバターや3Dアニメーション制作においても重要な技術です。 本記事では、最新のディープラーニング技術を活用したリップシンク学習の基礎から実装まで、技術的な観点から詳しく解説します。 1. リップシンク学習の基礎概念 1.1 問題設定 リップシンク学習とは、音声データから対応する口の動きを予測する回帰問題ととらえることができます f: 音声特徴量(t) → 口の動きパラメータ(t) この問題のコアは 音韻(音の特徴)と視素(視覚的な口の形)の対応関係を学習する ことにあります。 1.2 音韻-視素マッピングの複雑性 ただし! 人間の発話における音と口の形の関係は、単純な1対1マッピングではないんです。 同じ音でも文脈で変化 「あ」の発音でも: - 「か」の後の「あ」→ 口がやや狭めから開く - 「ん」の後の「あ」→ 口が閉じた状態から大きく開く 調音結合

By Qualiteg 研究部, Qualiteg コンサルティング
LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

こんにちは!前回はLLMサービスへのリクエスト数見積もりについて解説しました。今回は7ステッププロセスの3番目、「使用モデルの推論時消費メモリ見積もり」について詳しく掘り下げていきます。 GPUメモリがリクエスト処理能力を決定する LLMサービス構築において、GPUが同時に処理できるリクエスト数はGPUメモリの消費量によって制約されます。 つまり、利用可能なGPUメモリがどれだけあるかによって、同時に何件のリクエストを処理できるかがほぼ決まります。 では、その具体例として、Llama3 8B(80億パラメータ)モデルをNVIDIA RTX A5000(24GB)にロードするケースを考えてみましょう。 このGPUには24GBのGPUメモリがありますが、すべてをリクエスト処理に使えるわけではありません。最初にモデル自体が一定量のメモリを消費し、残りの領域で実際のリクエスト処理を行います。 GPUメモリ消費の二大要素 GPUの消費メモリ量は主に以下の2つの要素によって決まります 1. モデルのフットプリント LLMをGPUに読み込んだときに最初に消費されるメモリ

By Qualiteg コンサルティング